滞后响应加剧干旱影响全球生态系统
转载自 再生农业 Regenerative Ag公号（2021年10月19日）
原文连接：
https://www.nature.com/articles/s41559-021-01551-8
编译：邓骁上
摘要
植被生长不仅受到当前气候的影响，还会之前气候的影响，因为植物对经历过的气候条件有记忆，因此往往对于气候变化的响应会有滞后。例如，之前有利的气候条件可能会刺激植物的过度生长，超过当前的生态系统的承载能力，使得生态系统可能在面临气候压力时更加脆弱。我们把这种现象称为植物动态与气候因子的滞后响应。这种被称为滞后响应的现象可能会加剧全球干旱压力和森林消亡，但由于滞后响应的动态性质和时间尺度的复杂性，我们对滞后响应的影响程度知之甚少。本文我们使用动态统计学习方法来识别和标志化全球生态系统滞后响应，并量化干旱的相关影响。我们发现，在 1981 年至 2015 年期间，滞后响应造成了约11%的干旱事件，并且通常与复合性极端干旱和高温相关，与其他类型的干旱相比，其导致的干旱影响更大，植被数量下降更快。滞后响应导致的干旱比例与年平均气温密切相关，与生物多样性、干旱和植被覆盖次要相关。研究结果表明了植被动态生长在加剧干旱中的重要影响，并预测由于变暖引起的植被增加引起的土壤水分枯竭可能导致更频繁和更强烈的滞后响应加剧。
滞后响应干旱的空间分布
我们的方法量化了 1981-2015年干旱次数和与滞后响应相关的干旱次数的空间分布（图1a、b）。在全球范围内，11.2% 的干旱事件都与滞后响应影响相关，解释了这些结滞后响应造成NDVI（归一化植被指数）下降34.7%的原因。滞后响应造成干旱的数量通常遵循干旱的空间分布（r=0.45，P<0.001，t检验），但美国中南部、巴西东北部和澳大利亚除外，这些国家的滞后响应发生率相对于干旱数量较低。空间自相关对这一共变没有很强的相关性，因此在我们的分析中没有进一步考虑（补充文本5和补充图2）。滞后响应相关的干旱比例明显呈现出纬度模式，从北到南呈下降趋势（图 1c和补充图3）。
过度干旱在不同的时间尺度上受到滞后的不利影响（扩展数据图3），对生长季长度有很强的依赖性（扩展数据图4）。次季节尺度滞后响应分量对全球滞后响应事件的贡献最大，特别是在北方高纬度地区。次季节尺度的滞后不利影响对NDVI下降的影响也最大（51.8%），在热点地区如阿拉斯加和西伯利亚的北方生态系统以及华北平原和印度北部的农业生态系统中也占主导地位（图1d、e和扩展数据图3）。
控制变量和潜在机制
为了了解哪些因素导致滞后响应性干旱的数量和影响，我们使用各种气候变量和生态系统特征构建了随机森林模型，以预测与过冲相关的干旱比例和滞后不利影响对总干旱影响的比例的空间格局（方法）。由此产生的模型可以分别解释63.9%和50.5%的滞后响应数量和影响比例的空间袋外方差。在这些模型的基础上，我们得到了影响因素的重要性排序（图2）。
滞后响应下的干旱与高温天气复合
我们进一步分析了过冲干旱的时间发生。在北部中高纬度地区（>30°N），51.2% 的滞后响应性干旱发生在7月和8月（图3a）。对于南半球，在3月和9月可以观察到两个高峰，这可能是由于许多缺水地区经历了双生季。在北半球干燥的地中海气候区的部分地区也可以观察到类似的模式，在任何一个生长高峰季节都可能发生滞后响应导致的干旱。我们还比较了过度干旱和非过度干旱的开始日期。为了使这些日期在空间上具有可比性，我们把它们按生长高峰期进行了标准化，总结出了四个干旱地区（图 3b-e）。对于旱地地区，非滞后响应干旱更可能发生在生长旺季之前，而滞后响应干旱更可能发生在生长季中后期（图3b、c）。干旱时间的这些显着差异（P<0.0001，成对的两侧t检验）也表明过冲干旱更有可能发生在温暖的月份，尤其是在半干旱和亚湿润干旱地区（图3f-i和扩展数据）图5a)。考虑到干旱期的正温度异常，滞后响应干旱往往具有较高的引发极端高温的风险。这种复合干旱和高温可能对生态系统及其相关功能造成消极影响，特别是对于中纬度半干旱到干旱的半干旱中部地区，这些地区也是主要的作物产区和人口稠密的地区。
滞后响应对干旱发展速度的影响
在全球范围内，滞后响应性干旱与NDVI下降速度快于非过度干旱相关(P<0.0001，成对双侧t检验)(图4)。如果比较最大归一化植被指数降低速度或零交点的归一化植被指数变化月度数据(图6)，类似的模式也能被发现。这种更快的归一化植被指数下降通常伴随着归一化植被指数异常干旱的发展时期开始和结束的较大差异(图4 b-g)。利用ERA5再分析和机器学习方法检测土壤水分数据，我们还发现，滞后响应性干旱的土壤水分下降速度比非滞后响应性干旱的土壤水分下降速度更快(P<0.0001，成对双侧t检验)(扩展数据图7)。
研究方法
GIMMS NDVI和气候数据集。我们使用来自全球库存监控与建模系统(GIMMS) 3gv1 (1981-2015;文献13)的NDVI数据，它提供了植被覆盖变动的长期记录。NDVI 是一种基于植被独特光谱特征的遥感指标，已被证明与生态系统叶面积指数和光合能力密切相关。因此，它可以代表整体生态系统对于气候异常和极端干旱的响应。在许多北方地区，质量标志并不总是有效，尤其是当存在混合雪像素时。由于 DLM 对这些非季节性异常很敏感，并且在这些寒冷和积雪覆盖的时期不太可能发生干旱和水资源限制，因此我们使用额外的温度阈值来过滤掉这些可能影响的污染像素：如果特定月份的平均气温<0°C，地表可能被雪覆盖，相应的NDVI设置为NA。
贝叶斯多元动态线性模型。多元动态线性模型是一种用于时间序列分析的线性模型。在这里，我们使用贝叶斯动态线性模型(DLM)方法，结合长期(1981-2015年)卫星观测、高分辨率气候数据和随机森林分析，描述全球生态系统中与结构性滞后响应(全称滞后响应性干旱)有关的干旱特征，并检查其对陆地植被-水关系的影响(扩展数据图1和图2;方法)。
对于每个像素，DLM利用观测方程(式(1))和状态演化方程(式(2))预测目标变量(yi，卫星反演NDVI)的时间序列：
在本研究中，我们利用气候干旱指数和相关的植被绿化率来表征干旱事件，植被绿化率由归一化植被指数确定。虽然在区域森林消亡率的背景下研究了结构性滞后响应，但在这里，我们考虑了更广泛的全球生态系统，并关注了对植被的负滞后影响。DLM允许通过卡尔曼滤波过程将卫星反演的NDVI时间序列分解为多个分量(趋势、季节、去季节和去趋势异常)。异常分量包括直接干旱胁迫、温度和过去植被异常在不同时间尺度(次季节、季节、年内和年际)的直接和滞后效应。这种方法允许分离全球所有干旱事件的重要时间尺度，这使我们能够坚定地识别和描述结构性滞后响应在干旱的时间、速度、频率和影响方面的作用。
数据来源
NDVI 3gv1数据集可在
http://poles.tpdc.ac.cn/en/data/9775f2b4-7370-4e5e-a537-3482c9a83d88/获取；
CRU气候数据集可在
https://crudata.uea.ac.uk/cru/data/hrg/获取；
GPCC降水数据可在
https://www.dwd.de/EN/ourservices/gpcc/gpcc.html获取；
来自MODIS的物候指标可在
https://vip.arizona.edu/viplab_data_explorer.php获取
SPEI数据集可在https://spei.csic.es/database.html获取；
ERA5土壤水分数据可在
https://cds.climate.copernicus.eu/cdsapp#!/dataset/reanalysis-era5-land-monthly-means获取；
SoMo.ml土壤水分数据来自
https://www.bgc-jena.mpg.de/geodb/projects/Home.php ；
数据源公开在https://doi.org/10.6084/m9.figshare.15086535。